A medida que la ciberdelincuencia con GenAI despega, la inteligencia de amenazas debe modernizarse
Por: Iván Sánchez, Sales Regional Director, Infoblox
La inteligencia artificial generativa, especialmente los modelos de lenguaje de gran escala (LLM), está transformando la ciberseguridad. Los actores maliciosos la usan para crear contenido engañoso, mejorando técnicas como la ingeniería social y la evasión de detección.
Ejemplo 1: Estafas con Deepfake y clonación de voz
En 2024, el FBI alertó sobre el uso de IA para hacer estafas más convincentes. Herramientas de clonación de voz permiten crear mensajes confiables, incluso corrigiendo acentos o errores. Aunque crear contenido sintético no es ilegal, puede facilitar fraudes y extorsión.
Una investigación reveló que 5 de 6 herramientas de clonación de voz pueden evadir fácilmente sus protecciones. Con solo un audio de TikTok o YouTube, se puede imitar la voz de una persona.
Este tipo de clonación ha sido usada en estafas con criptomonedas o llamadas fingidas. Un caso reciente es el de estafas del “nieto en apuros”, donde se simula una emergencia para que la víctima transfiera dinero.
Ejemplo 2: Chatbots impulsados por IA
Los estafadores personalizan sus ataques con mensajes como “Vi tu última publicación y quería ser tu amigo”, buscando llevar a la víctima a plataformas como Telegram.
Luego, continúan la conversación con tácticas como invitaciones a eventos o imágenes generadas por IA. A lo largo de semanas, simulan buena fe creando cuentas falsas con “ganancias” ficticias. Eventualmente, piden inversión y acceso a cuentas de criptomonedas, robando los fondos.
Estas campañas, aunque demandan tiempo, son automatizadas mediante IA y altamente lucrativas.
Señales comunes en estos chats maliciosos:
- Errores gramaticales generados por IA.
- Vocabulario asociado a fraude.
- Olvidos de conversaciones previas.
- Repeticiones mecánicas.
- Peticiones ilógicas.
- Falsos comunicados de prensa.
- Frases comunes de contacto inicial.
- Uso de criptomonedas populares en el crimen.
Estas señales permiten identificar campañas y rastrear a los actores.
Ejemplo 3: Encubrimiento de código y evasión
GenAI también se usa para crear código malicioso más difícil de detectar. En 2024, HP Wolf descubrió campañas que distribuían malware oculto en imágenes.
Los actores de amenazas están utilizando malware ya conocido combinado con inteligencia artificial para evitar la detección y acelerar la creación de campañas maliciosas. Según HP Wolf, se observó un incremento del 11% en técnicas de evasión a través de correos electrónicos. Además, otro estudio indicó que el uso de GenAI permitió modificar el resultado de los clasificadores automáticos en un 88% de los casos.
La necesidad de modernizar la investigación de amenazas
Las herramientas tradicionales como sandboxing ya no bastan. Es clave enfocarse en actividades previas al ataque:
- Generación de variantes con GenAI.
- Configuración de infraestructura (correo, tráfico, dominios).
- Lanzamiento del ataque mediante dominios maliciosos.
Los actores cambian continuamente sus cargas y se hacen pasar por fuentes legítimas, dificultando la detección tradicional.
Inteligencia predictiva basada en DNS
La detección anticipada de infraestructura maliciosa es esencial. Combinando registros de dominios, telemetría DNS global y ciencia de datos, detectan incluso a actores sigilosos como Vextrio Viper.
El DNS es difícil de manipular por GenAI y revela actividades previas a los ataques. Analizar estos registros permite prevenir amenazas antes de que ocurran.
Resultados 2024:
- 77.1% de protección antes del primer contacto.
- Tasa de falsos positivos: 0.0011%
Estos datos demuestran la calidad de su inteligencia predictiva.
Conclusión
El impacto de la GenAI en la ciberseguridad es profundo. Con inteligencia predictiva basada en DNS, las organizaciones pueden anticiparse a las amenazas y evitar ser la próxima víctima.
